面向物流企業數據在線分析挖掘及應用

　　《面向物流企業數據在線分析挖掘及應用》對數據挖掘及聯機分析理論體系進行了概述，通過案例示範了數據挖掘的各個環節，並結合物流企業的三個綜合案例進行了數據挖掘及聯機分析理論的系統設計和應用。全書共分9章，第1～3章介紹了數據挖掘的基本理論體系，對數據挖掘常用算法及相關理論的發展過程進行了總體闡述；第4～6章針對數據挖掘過程的各個環節進行了理論闡述，並通過案例建立和檢驗數據挖掘過程；第7～9章介紹了三個綜合案例，設計並實現了一個聯機客戶分析挖掘系統，構建了一個面向SOA的數據挖掘服務平台，研究數據挖掘算法、聯機分析挖掘及其多維可視化技術在物流企業、製造業輔助決策方面的實際應用。
　　《面向物流企業數據在線分析挖掘及應用》可供從事物流工程、物流管理、製造業信息化、計算機應用等領域的相關高校師生參考，也適合對複雜海量信息處理有興趣的專業技術研究人員使用。

 

前言
第1章　數據挖掘原理
1.1　知識發現與數據挖掘
1.2　數據挖掘概論
1.2.1　數據挖掘的對象和任務
1.2.2　數據挖掘的應用
1.2.3　在線分析數據挖掘系統、軟件工具
1.2.4　數據挖掘發展

第2章　數據倉庫、數據挖掘與OLAM
2.1　數據倉庫
2.1.1　從數據庫到數據倉庫
2.1.2　數據倉庫常用模型
2.1.3　MDX查詢及分析
2.1.4　數據倉庫建模工具
2.1.5　數據清洗
2.2　數據挖掘
2.2.1　從報表到數據挖掘
2.2.2　數據挖掘過程
2.2.3　數據挖掘的可視化技術
2.2.4　數據挖掘工具
2.3　OLAM
2.3.1　從OLTP到OLAP
2.3.2　從OLAP到OLAM
2.3.3　OLAM發展

第3章　常用數據挖掘模型與算法
3.1　貝葉斯算法
3.1.1　貝葉斯算法原理
3.1.2　貝葉斯算法的應用
3.2　決策樹
3.2.1　決策樹算法
3.2.2　決策樹方法的應用
3.3　神經網絡
3.3.1　神經網絡的原理
3.3.2　神經網絡方法的應用
3.4　關聯規則
3.4.1　關聯規則的原理
3.4.2　關聯規則方法的應用
3.5　聚類分析
3.5.1　聚類分析原理
3.6　時間序列
3.6.1　時間序列與時間序列分析
3.6.2　時間序列方法的應用
3.7　統計和可視化
3.7.1　統計
3.7.2　可視化

第4章　實例一：物流信息系統源數據清洗實例
4.1　ETL在企業數據管理工作的重要性
4.1.1　ETL在企業數據平台中的作用
4.1.2　ETL工具需要解決的問題
4.2　SSIS功能
4.3　SSIS的體系結構
4.3.1　程序包
4.3.2　任務
4.3.3　數據源元素
4.3.4　數據源視圖
4.4　SSIS程序包設計
4.4.1　控制流
4.4.2　Connection Manager
4.4.3　變量
4.4.4　數據流
4.4.5　Event Handler
4.4.6　Package Explorer
4.4.7　執行程序包
4.5　物流信息系統中數據清洗實例分析
4.5.1　確定來源維度
4.5.2　處理時間標識
4.5.3　郵件監控任務

第5章　實例二：多維數據倉庫模型創建
5.1　數據倉庫簡介
5.2　數據倉庫建模常用模式
5.3　多維數據模型
5.4　多維數據倉庫的規範化處理（雪花處理）
5.5　多維模型設計流程
5.5.1　總體架構設計
5.5.2　Cube的設計
5.5.3　生成關係架構
5.5.4　利用測試數據進行模型測試
5.5.5　ETL數據加載
5.6　以人事為主題的多維數據倉庫模型設計實例
5.6.1　政府機構人員管理中的數據倉庫設計
5.6.2　與銷售結合的人事主題分析
5.7　以客戶分析為主題的多維數據倉庫模型設計實例
5.7.1　數據倉庫邏輯模型設計
5.7.2　SQL Server 2005中數據倉庫的建設

第6章　實例三：物流企業復合報表設計與製作實例
6.1　報表服務的作用
6.1.1　解決方案類型
6.1.2　簡單的應用程序集成
6.1.3　無縫的應用程序集成
6.2　SQL Server 2005中的報表服務
6.2.1　報表交付應用程序類型
6.2.2　設計報表
6.3　報表服務的體系結構
6.3.1　平台概覽
6.3.2　SQL Server 2005報表服務支持的提供程序
6.3.3　顯示擴展
6.4　復合報表的設計實例
6.4.1　復合報表的設計需求
6.4.2　復合報表的範圍
6.4.3　復合報表設計實例

第7章　實例四：物流企業銷售OLAM實例
7.1　基於時序的關聯規則
7.1.1　序列模式關聯規則挖掘
7.1.2　基於時間序列的關聯規則
7.1.3　關聯規則的相關參數
7.2　基於關聯規則的購買模式發現實例
7.2.1　銷售業務技術及源數據分析
7.2.2　購物序列模式發現挖掘及在線分析實例
7.3　多維數據分析及其OuP可視化實例
7.3.1　客戶總體概況分析
7.3.2　單維度下鑽分析
7.3.3　某維度多屬性的指標數據縱向切片分析可視化
7.3.4　多維度多層上卷、旋轉及橫（縱）向切片綜合分析及可視化
7.3.5　某維度對分析指標沿時間預測分析的可視化

第8章　實例五：OLAM在客戶分析中的綜合應用
8.1　基於支出分配的客戶終生價值計算研究
8.1.1　客戶終生價值的組成
8.1.2　客戶終生價值模型研究
8.1.3　基於馬爾可夫鏈的客戶購買轉換研究
8.1.4　基於馬爾可夫鏈計算客戶支出分配變化的實例
8.1.5　定量計算客戶支出分配對客戶終生價值的影響
8.1.6　客戶終生價值的軟件實現
8.2　客戶忠誠度預測及客戶資信綜合評價
8.2.1　客戶忠誠度概述
8.2.2　基於模糊神經網絡的客戶忠誠度預測
8.2.3　基於屬性重要性理淪確定模糊神經網絡初始權重
8.2.4　模糊信息處理與模糊神經網絡評價步驟
8.2.5　基於模糊神經網絡的客戶忠誠度的計算實例
8.2.6　基於模糊評價法的客戶資信計算研究
8.2.7　基於模糊綜合評價的客戶資信計算
8.3　基於數據挖掘的客戶細分研究
8.3.1　常用的客戶分類模型
8.3.2　客戶終生價值/客戶忠誠度/客戶資信（CLV/CUCC）的客戶分類模型
8.3.3　數據挖掘中的客戶聚類算法
8.3.4　聚類實現
8.3.5　加權的擴展貝葉斯模型分類
8.3.6　軟件實現及分析
8.3.7　結果驗證與分析

第9章　實例六：面向第三方物流企業的數據挖掘服務構建實例
9.1　設計思想
9.1.1　SOA理論
9.1.2　WCF概述
9.2　物流管理平台中數據挖掘服務的設計
9.2.1　物流管理平台的架構
9.2.2　物流管理中的數據挖掘應用需求分析
9.2.3　WCF框架下的數據挖掘服務設計
9.3　數據挖掘服務中的關鍵技術及實現
9.3.1　數據上傳服務
9.3.2　數據清洗服務
9.3.3　數據挖掘算法服務
9.3.4　OLAP服務
9.3.5　跨平台調用WCF服務
9.4　基於數據挖掘服務在物流運輸系統中的應用
9.4.1　使用開源WebGIS
9.4.2　物流運輸系統中的智能分析
參考文獻